第11章 模型选择标准与检验.ppt

第十一章 模型选择：标准与检验 §11.1 “好的”模型具有的性质 著名经济计量学家哈维列出了模型判断的一些标准： (1)简约性 在建模过程中，一定程度的抽象和简化是不可避免的，简约原则表明模型应尽可能简单。 (2)可识别性 对于给定的一组数据，估计的参数值必须是唯一的。即每个有一个估计值。 (3)拟合优度： 判决系数R2越高，模型越好 (4)理论一致性： 无论拟合优度有多高，一旦模型中的一个或多个系数的符号有误，就不能说是一个好的模型，构建模型时，必须有一定理论基础。 (5)预测能力： 应选择理论预测被实际经验所验证的模型。 §11.2 模型设定偏误的类型 模型设定偏误主要有两大类: (1)关于解释变量选取的偏误 主要包括漏选相关变量和多选无关变量。 (2)关于模型函数形式选取的偏误。 1、相关变量的遗漏：“过低拟合模型” 例如，如果“正确”的模型为 2、无关变量的误选 例如，如果 3、错误的函数形式 例如，如果“真实”的回归函数为 §11.3 模型设定偏误的后果 当模型设定出现偏误时，模型估计结果也会与“实际”有偏差。这种偏差的性质与程度与模型设定偏误的类型密切相关。 1、遗漏相关变量偏误 采用遗漏相关变量的模型进行估计而带来的偏误称为遗漏相关变量偏误（omitting relevant variable bias）。 2、包含无关变量偏误 采用包含无关解释变量的模型进行估计带来的偏误，称为包含无关变量偏误（including irrelevant variable bias）。 3、错误函数形式的偏误 当选取了错误函数形式并对其进行估计时，带来的偏误称错误函数形式偏误（wrong functional form bias）。 容易判断，这种偏误是全方位的。 §11.4 模型设定偏误的检验 一、检验是否含有无关变量 二、检验是否有变量的遗漏或函数形式设定偏误 判定模型是否恰当主要根据以下参数： 1、残差图示法 （1）残差序列变化图 2、一般性设定偏误检验-RESET 检验 但更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET 检验（regression error specification test）。 基本思想： 1）如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为零即可； 2）问题是不知道遗漏了哪个变量，需寻找一个替代变量Z，来进行上述检验。 RESET检验中，采用所设定模型中被解释变量Y的估计值?的若干次幂来充当该“替代”变量。 例如，在一元回归中，假设真实的函数形式是非线性的，用泰勒定理将其近似地表示为多项式： （4）利用Eviews进行RESET检验 结果 利用Eviews进行模型设定偏误的RESET检验 结果 3、线性模型与双对数线性模型的选择 在设定模型时，一个较为棘手的问题是选取线性模型还是双对数线性模型。 对于一元回归可通过图形辅助确定，而对多元回归，不同变量图形变化趋势可能不同，比较难判断。 采用线性模型: M＝b0+b1GDP R2=0.948; 采用双对数线性模型:ln M＝b0+b1lnGDP R2=0.973， 但不能就此简单地判断双对数线性模型优于线性模型。下面进行Box-Cox变换。 （2）MWD检验 上例的MWD检验 第二步：H1的检验 MWD检验另一形式 第二步：H1的检验 §11.4 从传统建模理论到约化建模理论 亨德瑞的约化建模理论，吸收了向量自回归建模法与协整理论的部分内容，提出了“从一般到简单”的建模思想，在现代计量经济建模理论方面有着较大影响。 一、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型方法论”： 以先验给定的经济理论为建立模型的出发点， 以模型参数的估计为重心， 以参数估计值与其理论预期值相一致为判断标准， 是一个“从简单到复杂”的建模过程（simple-to-general approach）: 二、“从一般到简单”——约化建模型理论 该理论认为：在模型的最初设定上，就设立一个“一般”的模型，它包括了所有先验经济理论与假设中所应包括的全部变量，各种可能的“简单”模型都被“嵌套”（nested）在这个“一般”的模型之中。然后在